账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
实现自驾车愿景 实验室全场景模拟将成致胜关键
克服自驾挑战

【作者: 吳哲樂】2022年01月20日 星期四

浏览人次:【5547】

下一代全自动驾驶汽车已呼之欲出,其主要目标是全面提升交通运输系统的效率,并提高驾驶和乘客的乘车安全。事实上,根据美国交通部的研究,自驾车可消除人为疏失,进而将交通事故的死亡人数大幅降低 94%。


然而,想要实现此一愿景,汽车OEM制造商所开发的下一代自驾车,必须超越其目前的SAE(国际汽车工程师学会自动驾驶)等级,亦即从2+/3级跃升到5级(叁见图一)。这让制造商面临许多前所未有的挑战,并且极需推动技术发展。



图一 : 国际汽车工程师学会(SAE)制定的自动驾驶等级
图一 : 国际汽车工程师学会(SAE)制定的自动驾驶等级

困难重重 迎面挑战

为实现自动驾驶的愿景,汽车制造商必须克服各种重大挑战和落差,包括缩小真实路测和软体模拟测试之间的落差。目前汽车制造商是透过??路测试,在软体模拟环境中测试感测器和控制模组。软体模拟虽然重要,但它无法完全复制真实路况以及感测器回??的潜在缺陷。


自驾车必须解决缺陷

有监於此,汽车OEM制造商必须在真实道路上测试原型车,或可合法上路汽车所配备的整合式系统,以便在正式推出新车之前,先进行完整的验证。路测是汽车开发过程中不可或缺的环节,但制造商需投入大量的成本、时间,同时还需克服可重测性的挑战,因此完全依赖道路测试来进行验证是不切实际的。这种方法需累积数百年的时间,才能保证汽车在城市和乡村道路行驶时百分之百安全可靠。


因此,制造商需根据真实状况来训练先进驾驶辅助系统(ADAS)或自动驾驶汽车(AV)的演算法。测试汽车雷达,是训练自动驾驶演算法的关键。这些演算法透过汽车雷达感测器所撷取的资料,来决定汽车在特定驾驶状况下应有的反应。如未经过适当训练,这些演算法很可能会做出意料之外的决策,进而危及驾驶人、乘客或行人的安全。


举例而言,在开车时我们需迅速做出许多决策,因此需累积一定的时间和经验才能成为一名优良驾驶。为了将自动驾驶提升到全新境界,需要一套能力远远超越最出色的驾驶人的极精密系统。感测器、精密的演算法和强大的处理器是实现自动驾驶的黄金阵容。


感测器可侦测即时环境,而处理器和演算法则可根据道路规则做出正确的决策,并对新的 ADAS 功能充满信心。使用未经验证的系统进行路测,其风险极高。一套能够模拟真实情境,以便验证实际的感测器、电子控制单元(ECU)程式码、人工智慧(AI)逻辑的系统,是成功的关键。在测试大量情境後,OEM 制造商可清楚得知,何时该停止使用ADAS功能,或者何时可信心十足地发布此功能。


现有解决方案的不足

当今的测试系统无法有效地因应这些挑战。有些系统使用多个雷达目标模拟器(RTS),每个模拟器都可将单点目标(Point Target)呈现给雷达感测器,并以机械方式移动天线以模拟水平和垂直位置;然而机械自动化操作会让整体测试变慢。另外有一些解决方案只需几个RTS就可建立一个天线墙,这表示物体可出现在情境中的任何地方但不能同时出现。此方法可在静态或准静态环境中,以机械手臂所能支援的速度,将少数目标进行横向移动以便进行测试。


目前的雷达感测器测试解决方案的视野(FOV)有限,无法辨识距离不到 4 公尺的物体。为了弥补落差,工程师需要一种新的雷达感测器测试方法,亦即将过去透过目标模拟来进行物件侦测改成全场景路况模拟,以便在进行实际的道路测试之前,先在实验室中进行测试。如果仅以少数目标来测试雷达感测器,其驾驶情境视野会不够完整,而且无法呈现真实情境的复杂性。


全面克服挑战

藉由在实验室中进行全场景模拟,是开发稳定雷达感测器和演算法的关键。汽车 OEM 制造商可将复杂的驾驶情境,从道路搬到实验室中,相较於劳师动众地到户外进行路测,利用复杂且可重复的情境,并透过大量的静止或移动物体、不同的环境特性等,更快测试更多样化的驾驶情境。如此可显着加速先进驾驶辅助系统(ADAS)/自动驾驶汽车(AV)的学习速度。


以目前是德科技的全场景模拟器为例,已经可以将数百个微型射频前端,整合到一个可扩充的模拟萤幕中,最多可模拟 512 个物体,模拟距离最近可达 1.5 公尺。这种模拟器采用专利技术,将原先透过目标模拟来侦测物体的方法,转变成真实交通情境模拟方法,(叁见图 2)。 这个新方法具有许多优点:


纵观全貌

透过全场景模拟器,雷达感测器便能以更宽广的连续视野,快速侦测更多近距离和远距离目标。如此可弥补雷达视野不足之处并改善演算法训练成效,以便在密集、复杂情境中,侦测并辨识各种不同的物体。如此一来,自动驾驶汽车可看清全貌,而不是仅根据测试设备所看到的,来制定决策。全场景模拟器可以透过512个独立目标,以及±70。方位角和±15。仰角的连续视野(FOV),全面测试雷达感测器和系统。也可在1.5公尺至300公尺的范围内,以0至400 kph的速度,产生静态和动态目标。或者以小於1度的角解析度,处理多目标、多角度情境。透过逼真的干扰测试,模拟布满无线网路的复杂城市情境。



图二 : 目标模拟和情境模拟的比较
图二 : 目标模拟和情境模拟的比较

测试真实情境的复杂性

如果仅以少数目标来测试雷达感测器,其驾驶情境视野会不够完整,而且无法呈现真实情境的复杂性。透过雷达场景模拟器,OEM 制造商可在各种不同的环境条件下,包括交通流量密度、速度、距离,以及不同的目标数量,在实验室中轻松模拟真实驾驶情境。此外,制造商可及早测试从一般到极端案例的各种情境,进而将风险降到最低。


加速学习

雷达场景模拟器可以提供确切的真实环境,方便工程师在实验室中测试目前只能透过路测进行的复杂情境测试。这种测试方法让OEM制造商能够利用复杂且可重复的情境,并透过大量的静止或移动物体、不同的环境特性等,来及早测试各种情境,以便加快 ADAS/AV 演算法学习速度,并消除手动或机器人自动化作业效率低落的问题。


更快测试更多情境

透过动态解析度调整显示功能,立即检测ADAS软体中的间隙或不当行为。并可模拟复杂、具有大型平面物体的真实情境,以产生逼真的驾驶情境,例如有多个目标的高速十字路囗。


结语

汽车制造商深知测试自动驾驶演算法,是一项极度复杂的任务,如未谨慎处理,可能引发安全问题。对於极度重视安全性的自动驾驶开发人员,雷达场景模拟器是一种理想的选择。透过雷达场景模拟器来提供全场景显示功能,就能以宽广的连续视野(FOV)模拟近距离和远距离目标,并且利用复杂的多目标情境,更快测试自动驾驶系统中的汽车雷达感测器。


经过多年合作,是德科技与IPG Automotive和Nordsys共同打造了自动驾驶模拟(ADE)平台,此雷达场景模拟器是其中的关键元件。这三家公司合作开发的ADE平台,透过预先定义的使用案例来执行ADAS和AV软体。这些使用案例将时间同步输入,套用於汽车内部的感测器和子系统,例如全球卫星导航系统(GNSS)、V2X(Vehicle-to-Everything)、相机和雷达。ADE是开放式平台,让汽车OEM制造商及其合作夥伴能够专注开发并测试ADAS系统和演算法,包括感测器融合和决策制定演算法。汽车 OEM 制造商可将该平台与商用3D模型、硬体??路(HIL)系统,以及现有的测试和模拟环境进行整合。


是德科技雷达场景模拟器和自动驾驶模拟平台,可协助汽车 OEM 制造商顺利开发实现全自动驾驶所需的全新ADAS功能。


(本文作者为是德科技行销处资深专案经理)


相关文章
匹配修正量测和移除嵌入 有助突破信号产生极限
边缘应用无远弗届 加速半导体产业创新力道
建立整合式技术堆叠 AI 驱动测试自动化
无线连结重要性日增 5G部署规模持续扩大
2022年数位转型与连结技术更臻巅峰
comments powered by Disqus
相关讨论
  相关新闻
» 工研院秀全球最灵敏振动感测晶片 可测10奈米以下振动量
» 安立知以全方位无线通讯方案引领探索6G时代
» 再生能源成长创新高 但发展程度并不平均
» 意法半导体突破20奈米技术屏障 提升新一代微控制器成本竞争力
» Pure Storage携手NVIDIA加快企业AI导入 以满足日益成长的需求


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83T2TT69ASTACUKF
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw